Изменения

{{Определение|definition ='''Случайная величина''' — это величина, которая принимает в результате опыта одно (англ. ''random variable'') {{---}} отображение из множества значений, причем появление того или иного значения этой величины до её измерения нельзя точно предсказатьэлементарных исходов в множество вещественных чисел.<tex> \xi\colon\Omega \to \mathbb{R}</tex>}}

Формальное математическое определение: == Дискретная случайная величина =={{Определение|definition ='''Дискретной случайной величиной ''' (англ. ''discrete random variable'') называется отображение случайная величина, множество значений которой не более чем счётно, причём принятие ею каждого из множества элементарных исходов в множество вещественных чиселзначений есть случайное событие с определённой вероятностью. <tex> \xi\colon\Omega \to \mathbb{R}</tex>} ===Примеры===

==Плотность распределения==Проще говоря, дискретные случайные величины {{---}} это величины, количество значений которых можно пересчитать. Например:Рассмотрим случайную величину ξ, возможные значения которой образуют конечную или бесконечную последовательность чисел # Число попаданий в мишень при <tex> x_1, x_2, ..., x_nn</tex>выстрелах. Пусть задана функция Принимаемые значения <tex>p(x)0 \ldots n</tex>, значение которой в каждой точке # Количество выпавших орлов при <tex>n</tex> x_i (i=1,2, бросков монетки...)Принимаемые значения <tex>0 \ldots n</tex> равно вероятности того# Число очков, что выпавших при бросании игральной кости. Случайная величина ξ примет значение принимает одно из значений {{---}} <tex> x_i \{1,2,3,4,5,6\}</tex>.

<tex> p(x)</tex> называется плотностью распределения вероятностей случайной Существуют также непрерывные случайные величины. <tex> p(x_i) = p(\xi = x_i) </tex>Например, координаты точки попадания при выстреле.

{{Определение|definition ='''Функция распределения для случайной величины ξ выражается следующей формулой''' (англ. ''cumulative distribution function (CDF)'') {{---}} функция <tex>F(x)</tex>, определённая на <tex>\mathbb{R}</tex> как <tex>P(\xi\leqslant x)</tex>, т.е. выражающая вероятность того, что <tex>\xi</tex> примет значение меньшее или равное <tex>x</tex> }} Если случайная величина <tex>\xi</tex> дискретна, то есть её распределение однозначно задаётся функцией <tex>\mathbb{P}(\xi = x_i) = p_i,\; i=1,2,\ldots</tex> Функция распределения <math>F(x)</math> этой случайной величины кусочно-постоянна и может быть записана как <tex>F(x) = \sum\limits_{i:~x_i \leqslant x} p_i</tex>. Свойства функции распределения дискретной случайной величины: *<tex>F(x_1)\leqslant F(x_2)</tex> при <tex>x_1 \leqslant x_2;</tex> *<tex>F(x)</tex> непрерывна во всех точках <tex>x\in \mathbb{R}</tex>, таких что <tex>\forall i ~ x \ne x_i </tex>, и имеет разрыв первого рода в точках, таких что <tex>\forall i ~ x = x_i</tex>. *<tex>\lim\limits_{x \to -\infty} F(x) = 0, \lim\limits_{x \to +\infty} F(x) = 1</tex>. ===Примеры===#Найдем функцию распределения количества попаданий в мишень. Пусть у нас есть <tex>n</tex> выстрелов, вероятность попадания равна <tex>p</tex>. Необходимо найти <tex>F(k)</tex>. Для <tex>k < 0 ~ F(k) = 0</tex>, так как нельзя попасть в мишень отрицательное число раз. Для <tex>k \geqslant 0 ~ F(k) = \sum\limits_{i = 0}^{\min(n, \lceil k \rceil - 1) }\dbinom{n}{i}p^{i} (1-p)^{ n - i}</tex>#Аналогичное решение имеет функция распределения числа выпавших орлов при броске монеты, если шанс выпадения орла {{---}} <tex>p</tex>. #Найдем функцию распределения числа очков, выпавших при бросании игральной кости. Пусть у нас есть вероятности выпадения чисел <tex>1 \ldots 6</tex> соответственно равны <tex>p_{1} \ldots p_{6}</tex>. Для <tex>k < 1 ~ F(k) = 0</tex>, так как не может выпасть цифра меньше <tex>1</tex>. Для <tex>k \geqslant 1 ~ F(k) = \sum\limits_{i = 1}^{\min(6,\lceil k \rceil - 1) }p_{i}</tex> В отличие от дискретной случайной величины, непрерывная случайная величина может принять любое действительное значение из некоторого промежутка ненулевой длины, что делает невозможным её представление в виде таблицы или перечисления состояний. Поэтому ее часто явно задают через функцию распределения, например <tex>F(x) = \begin{cases}0, & x < 0 \\\dfrac{x^{2}}{9}, & 0 \leqslant x \leqslant 3\\1, & x > 3 \end{cases}</tex>

<tex>F_\xi(a) = p(\xi \leqslant a)</tex>=Функция плотности распределения вероятностей==

==Математическое ожидание случайной величины={{Определение|definition ='''Математическое ожиданиеФункция плотности распределения вероятностей'''(англ. ''Probability density function'') {{---}} функция <tex>f(x)</tex>, определённая на <tex>E\ximathbb{R}</tex>) - мера среднего значения случайной величиныкак первая производная функции распределения.

:<tex>E\xi = \sum \xif(\omegax)p= F'(\omegax)</tex>}}

|proof= :<texmath>\sum\limits_a \sumint\limits_{\omega|\xi(\omega) = amathbb{R} \xi(\omega)p(\omega) = \sum\limits_a a \sum\limits_{\omega|\xi(\omega)=a^n}pf(\omegax) = \sum\limits_a a p(\xi , dx = a)1</texmath>.

*Плотность вероятности определена почти всюду.:Иными словами, множество точек, для которых она не определена, имеет меру ноль. Для примера выше <tex>f(x)=F'(x) = \begin{cases}(0)', & x < 0 \\\left(\dfrac{x^{2}}{9} \right)', & 0 \leqslant x \leqslant 3\\(1)', & x > 3 \end{cases} = \begin{cases}0, & x < 0 \\\dfrac{2x}{9}, & 0 \leqslant x \leqslant 3\\0, & x > 3 \end{cases}</tex>  Для дискретной случайной величины '''не''' существует функции плотности распределения вероятностей, так как такая случайная величина не является абсолютно непрерывной функцией. == См. также ==* [[Математическое ожидание случайной величины]]

==ПримерИсточники информации ==Пусть у нас есть "Честная кость"* [http://kek.ksu.ru/EOS/TerVer/par7.html КГУ {{---}} Определение дискретной случайной величины]* [https://ru.wikipedia.org/wiki/%D0%94%D0%B8%D1%81%D0%BA%D1%80%D0%B5%D1%82%D0%BD%D0%B0%D1%8F_%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%B0%D1%8F_%D0%B2%D0%B5%D0%BB%D0%B8%D1%87%D0%B8%D0%BD%D0%B0 Википедия {{---}} Дискретная случайная величина]* [https://ru.wikipedia.org/wiki/%D0%9F%D0%BB%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%B2%D0%B5%D1%80%D0%BE%D1%8F%D1%82%D0%BD%D0%BE%D1%81%D1%82%D0%B8 Википедия {{---}} Плотность вероятности]